【基础】Pandas：Series和DataFrame数据结构详解

# 2.1 Series的基本操作

### 2.1.1 创建Series

创建Series有两种主要方法：

- 使用`pd.Series()`函数：

import pandas as pd

data = [1, 2, 3, 4, 5]
series = pd.Series(data)

- 使用字典：

data = {'a': 1, 'b': 2, 'c': 3, 'd': 4, 'e': 5}
series = pd.Series(data)

### 2.1.2 索引和切片

Series具有索引，可以用来访问和操作单个元素。索引可以是整数（位置索引）或标签（名称索引）。

- 使用位置索引：

series[0]  # 获取第一个元素
series[-1]  # 获取最后一个元素
series[1:3]  # 获取第二个和第三个元素

- 使用名称索引：

series['a']  # 获取具有标签'a'的元素
series[['a', 'c']]  # 获取具有标签'a'和'c'的元素

### 2.1.3 数据类型和转换

Series可以存储不同数据类型的数据，包括整数、浮点数、字符串和布尔值。

- 获取数据类型：

series.dtype

- 转换数据类型：

series = series.astype(int)  # 将所有元素转换为整数
series = series.astype(str)  # 将所有元素转换为字符串

# 2. Series数据结构详解

Series是Pandas库中一维数据结构，用于存储一组具有相同数据类型的有序数据。与列表不同，Series具有索引，允许通过索引值快速访问元素。

### 2.1 Series的基本操作

#### 2.1.1 创建Series

创建Series有以下几种方法：

# 从列表创建
import pandas as pd

data = [1, 2, 3, 4, 5]
series = pd.Series(data)

# 从字典创建
data = {'a': 1, 'b': 2, 'c': 3}
series = pd.Series(data)

# 从标量创建
series = pd.Series(5, index=['a', 'b', 'c'])

#### 2.1.2 索引和切片

Series具有索引，可以是整数、字符串或其他对象。通过索引值可以快速访问元素：

# 获取索引为2的元素
series[2]

# 通过切片获取元素
series[1:3]

#### 2.1.3 数据类型和转换

Series可以存储不同数据类型的元素，包括整型、浮点型、字符串和布尔型。可以使用`dtype`属性获取数据类型，并使用`astype()`方法转换数据类型：

# 获取数据类型
series.dtype

# 转换为浮点型
series.astype(float)

### 2.2 Series的高级操作

#### 2.2.1 缺失值处理

Series中可能包含缺失值，可以使用`isnull()`和`fillna()`方法处理缺失值：

# 获取缺失值
series.isnull()

# 填充缺失值
series.fillna(0)

#### 2.2.2 数据分组和聚合

Series可以根据索引值进行分组，并使用聚合函数（如`sum()`、`mean()`）对分组数据进行聚合：

# 根据索引值分组
series.groupby(index).sum()

# 根据自定义函数分组
series.groupby(lambda x: x % 2).mean()

#### 2.2.3 排序和筛选

Series可以根据索引值或元素值进行排序，并使用布尔索引筛选元素：

# 根据索引值排序
series.sort_index()

# 根据元素值排序
series.sort_values()

# 使用布尔索引筛选元素
series[series > 3]

# 3.1 DataFrame的基本操作

#### 3.1.1 创建DataFrame

DataFrame可以通过多种方式创建，最常见的方法是使用字典或列表：

import pandas as pd

# 使用字典创建DataFrame
data = {'Name': ['John', 'Mary', 'Peter'], 'Age': [20, 25, 30]